Course Outline

DeepSeek LLM Fine-Tuning 소개

  • DeepSeek 모델 개요, 예: DeepSeek-R1 및 DeepSeek-V3
  • LLM 미세 조정의 필요성 이해
  • 미세 조정과 신속한 엔지니어링의 비교

Fine-Tuning에 대한 데이터 세트 준비

  • 도메인별 데이터 세트 큐레이션
  • 데이터 전처리 및 정리 기술
  • DeepSeek LLM에 대한 토큰화 및 데이터 세트 포맷팅

Fine-Tuning 환경 설정

  • GPU 구성 및 TPU 가속
  • DeepSeek LLM을 사용하여 Hugging Face 변압기 설정
  • 미세 조정을 위한 하이퍼파라미터 이해

Fine-Tuning DeepSeek 법학 석사

  • 감독된 미세 조정 구현
  • LoRA(Low-Rank Adaptation) 및 PEFT(Parameter-EfficientFine-Tuning) 사용
  • 대규모 데이터 세트에 대한 분산 미세 조정 실행

미세 조정된 모델 평가 및 최적화

  • 평가 지표를 사용한 모델 성능 평가
  • 과대적합 및 과소적합 처리
  • 추론 속도 및 모델 효율성 최적화

미세 조정된 DeepSeek 모델 배포

  • API 배포를 위한 패키징 모델
  • 미세 조정된 모델을 애플리케이션에 통합
  • 클라우드 및 엣지 컴퓨팅을 통한 배포 확장

실제 세계 Use Case 및 응용 프로그램

  • 재무, 의료 및 고객 지원을 위한 세부 조정된 LLM
  • 산업 응용 사례 연구
  • 도메인별 AI 모델의 윤리적 고려 사항

요약 및 다음 단계

Requirements

  • 머신 러닝 및 딥 러닝 프레임워크에 대한 경험
  • 변환기 및 대규모 언어 모델(LLM)에 대한 지식
  • 데이터 전처리 및 모델 학습 기술에 대한 이해

청중

  • LLM 미세 조정을 탐구하는 AI 연구자
  • 맞춤형 AI 모델을 개발하는 머신 러닝 엔지니어
  • AI 기반 솔루션을 구현하는 고급 개발자
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories